Multi-Contact Force Estimation for Continuum Robots via Gaussian-Parameterized Factor Graphs

기술 요약: 가우시안 매개변수화된 팩터 그래프를 이용한 연속체 로봇의 다중 접촉력 추정

문제 정의
연속체 로봇은 고유한 유연성 덕분에 비정형적이고 제한된 환경을 탐색하는 데 큰 이점을 제공한다. 그러나 이러한 환경에서의 안전한 운용을 위해서는 로봇 본체를 따라 알 수 없는 위치에서 발생하는 외부 접촉력을 정확하게 추정하는 것이 필수적이다. 힘을 추정하는 것은 매우 까다로운 문제이며, 특히 여러 접촉이 동시에 발생할 때 더욱 그러하다. 기존 방식들은 다음과 같은 구체적인 한계점을 가진다: 팁(tip) 힘 추정 방식은 로봇의 길이를 따라 충돌이 발생할 경우 실패하며, 운동학 기반 방식은 접촉 수가 늘어남에 따라 확장성이 떨어지는 경우가 많고, 결정론적 정역학 모델은 센서 노이즈에 취약하다. 또한, 연속체 모델의 모든 이산 노드마다 힘을 추정하는 것(노드별 추정)은 분산된 힘과 백본(backbone) 형상 사이의 결정 불가능한 매핑으로 인해 심각하게 부적정(ill-posed)한 문제를 야기한다.

방법론
저자들은 팩터 그래프(factor graph) 상에 정식화된 통합 형상 및 힘 추정 프레임워크를 제안한다. 이 방법론의 핵심은 세 가지 주요 구성 요소로 이루어져 있다:

1. 가우시안 매개변수화된 코세라(Cosserat) 모델: 저자들은 이산 확률적 코세라 로드 모델에 가우시안 혼합 매개변수화를 도입하였다. 모든 노드에서 힘 벡터를 추정하는 대신, 외부 분산 힘 $f_e(s)$를 $M$개의 정규화된 가우시안 기저 함수(basis functions)의 합으로 매개변수화한다. 이 접근 방식은 미지 외력의 차원을 축소하고 추정 문제의 불량 조건(ill-conditioning)을 완화한다. 이 매개변수화는 가우시안의 표준 편차($\sigma$)를 조절함으로써 점 하중(point load)과 분산 하중(distributed load)을 모두 표현할 수 있게 한다. 가우시안의 중심점들은 쌍곡 탄젠트 변환을 통해 로봇의 호 길이(arc length) 내로 제한된다.
2. 팩터 그래프 정식화: 상태 추정 문제는 팩터 그래프 구조 내의 최대 사후 확률(MAP) 추정 문제로 구성된다. 이 프레임워크는 다중 모드 센서 데이터를 로봇의 정적 모델과 확률적으로 융합한다. 그래프에는 다음이 포함된다:
   • 역학 팩터(Mechanics Factors): 이산 운동학, 구성 관계(변형-강성), 그리고 정적 모멘트 평형 방정식을 강제한다.
   • 측정 팩터(Measurement Factors): 텐던 장력, 국부 변형(예: FBG 센서), 그리고 포즈(예: 전자기 트래커) 관측치를 포함한다.
   • 사전 및 경계 팩터(Prior and Boundary Factors): 역문제의 부적정성을 처리하기 위해 기저/팁 경계 조건과 힘 진폭에 대한 영평균 사전 분포를 사용하여 문제를 정규화한다.
3. 점진적 추정 전략: 미지의 접촉 수가 존재하는 동적 항해 작업을 위해, 저자들은 점진적 변형 방식을 도입하였다. 추정기는 단일 가우시안 기저로 시작한다. 로봇이 항해하는 동안, 활성화된 기저의 추정 크기가 사전 정의된 임계값을 초과하면 새로운 기저 함수가 상태 벡터에 동적으로 추가된다. 수치적 안정성을 보장하기 위해, 프레임워크에는 축 방향 힘 페널티(직선 자세에서의 발산을 방지하기 위함)와 공간 분리 페널티(여러 기저 중심이 동일한 위치로 붕괴되는 것을 방지하기 위함)가 포함된다.

주요 기여

• 통합 프레임워크: 로봇의 형상과 다중 외부 접촉력을 동시에 추정하는 새로운 팩터 그래프 정식화를 제시하였다.
• 차원 축소: 가우시안 혼합 매개변수화를 사용하여 미지 외력의 차원을 줄임으로써, 노드별 힘 추정 시 발생하는 고유한 불량 조건 문제를 해결하였다.
• 노이즈에 대한 강건성: 확률적 정식화는 센서 및 모델링 불확실성을 명시적으로 모델링하여, 결정론적 모델보다 우수한 강건성을 입증하였다.
• 순차적 접촉 처리: 운영 중 데이타의 복잡도(기저 함수의 수)를 적시에 적응시키는 점진적 알고리즘을 통해, 제한된 공간 항해 작업에 적합함을 보여주었다.

결과
제안된 방법을 두 가지 베이스라인(Baseline 1: 이산 노드별 추정기, Baseline 2: 결정론적 가우시안 매개변수화 방식)과 비교 검증하기 위해 SoroSim을 사용하여 수치 시뮬레이션을 수행하였다.

• 단일 접촉 시나리오: 노이즈가 없는 조건에서, 제안된 방법은 평균 위치 오차 3.47 mm를 달ink하여 Baseline 2(3.5 mm)와 대등한 성능을 보였으며, Baseline 1(9 mm)보다 현저히 우수했다. 노이즈가 있는 조건(1 mm 위치 노이즈, 0.1 rad/m 변형 노이즈)에서도 제안된 방법은 8.74 mm의 위치 오차를 기록하며 강건함을 유지했다. 반면, Baseline 2는 20.1 mm로, Baseline 1은 36.68 mm로 성능이 저하되었다. 또한 제안된 방법은 Baseline 1의 넓게 퍼진 추정치와 달리 날카로운 힘 국부화(12 mm 확산)를 유지했다.
• 다중 접촉 시나리오: 두 개의 힘을 추정하는 테스트에서, 제안된 방법은 특히 노이즈 상황에서 두 번째 힘을 국부화하는 데 있어 Baseline 1보다 뛰어난 성능을 보였다. Baseline 1은 가짜 피크(spurious peaks)를 생성하고 큰 최대 위치 오차(노이즈 시 최대 82.47 mm)를 보인 반면, 제안된 방법은 최대 오차를 48.32 mm로 제한하면서 두 개의 뚜렷한 가우시안 피크를 정확히 분리해 냈다.
• 제한된 공간 항해: 강성 박스 내부를 통과하는 연속체 로봇의 항해 시뮬레이션 작업에서, 점진적 추정기는 순차적 접촉을 성공적으로 식별하였다. 초기에는 하나의 기저로 시작하여 첫 번째 벽면 접촉을 감지하였고, 로봇이 두 번째 벽면에 닿음에 따라 두 번째 기저를 동적으로 추가하여 이중 접촉 상태를 포착하였다.

의의 및 주장
본 논문은 제안된 프레임워크가 연속체 로봇의 다중 접촉 힘 추정의 부적정한 특성을 효과적으로 해결한다고 주장한다. 가우시안 매개변수화를 통해 미지 힘의 차원을 줄이고 팩터 그래프를 통해 다중 센서 데이터를 융합함으로써, 이 방법은 기존의 노드별 방식이나 결정론적 방식보다 높은 정확도와 노이즈 강건성을 달성한다. 저자들은 이 접근 방식이 명시적인 환경 지도나 시각 센서 없이도 신뢰할 수 있는 접촉 위치 및 크기 추정을 제공함으로써 안전한 항해를 가능하게 한다고 강조한다. 본 연구는 추정된 힘이 반응형 장애물 회피 및 힘 제어를 지원할 수 있는 폐루프 제어로 가는 단계로서 제시되었으나, 현재 구현은 준정적(quasi-static) 모델에 의존하고 있다.